欢迎您！东篱公司
退出
-
申报数据库
-
立项数据库
-
成果数据库
-
项目获奖数据库
位置：立项数据库 > 立项详情页
中文摘要：
现有的煤矿灾害预测方法，大多是通过某一单一因素进行灾害预测，实际上每种煤矿灾害都与多种因素（包括瓦斯涌出量、顶底板压力、有害气体含量、涌水量、温度等）相关，是多因素同时作用的结果，甚至是多种灾害（瓦斯突出爆炸、煤尘爆炸、突水、自燃、矿震）同时发生。 煤矿井下监测系统采集并积累了海量数据，这些数据中隐含着对煤矿灾害预测预报的知识。本研究应用数据挖掘最新理论,对搜集到的已发生灾害煤矿各项监测数据进行处理，通过自学习建立灾害预测模型，揭示出煤矿灾害与井下多种因素的关系和相互作用、监测数据间关联关系，归纳总结不同监测参数变化导致不同类型、不同强度煤矿灾害的发生趋势，并达到预测灾害的目的。应用数据挖掘技术研究各项监测数据之间的相关关系，进而建立灾害预测模型是本项研究的创新。
英文摘要：
coal mine disaster prediction；data mining；data quality；coal and gas bursting；
结论摘要：
本项目按照预定计划整理和分析了国内外煤矿灾害预测的原理和方法, 确定了煤矿灾害监测指标体系和权重，按照指标体系搜集了瓦斯突出爆炸、煤尘爆炸、突水、自燃、矿震等多种煤矿灾害事故的已有数据,研究发现大多煤矿只对瓦斯监控数据进行收集，其他大多数据都没有进行采集，即使采集了也不全面，具有数据质量差、残缺、缺乏总体规范等问题。基于此种情况重点研究了各种数据挖掘和预测方法在数据质量比较差情况下的适应性问题；露天采矿爆破振动对民房破坏的预测问题；并将煤与瓦斯突出预测方法在具体矿区进行应用研究，取得了一定的成果。
成果综合统计
期刊论文
会议论文
专利
获奖
著作
期刊论文
相关项目
邵良杉的项目
